粒子滤波算法在信号源定位中的应用研究-论文.pdf

《粒子滤波算法在信号源定位中的应用研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、粒子滤波算法在信号源定位中的应用研究江春冬。等粒子滤波算法在信号源定位中的应用研究ApplicationResearchonParticleFilteringAlgorithminSignalSourcePositioning汪春名声杜太纾互舍伟(河北工业大学控制科学与工程学院，天津3~130)摘要：为提高移动监测车对无线电干扰源定位的精度，将非线性非高斯系统中的粒子滤波方法应用于静态的无线电信号的测向定位，通过对车的坐标、信号到达角度的测量来估计目标的状态。首先建立波达角(AOA)定位的数学模型，然后推导了基

2、于粒子滤波的定位算法，最后在Matlab平台对粒子滤法算法的定位精度进行了仿真分析。仿真验证了该算法的可行性。关键词：信号源定位粒子滤波非线性波达角数学模型中图分类号：TP301文献标志码：AAbstract：Inordertoimprovethepositioningaccuracyofradiointerferencesourceconductedbymobilemonitoringvehicle，theparticlefilteringmethodinnonlinearandnon—Gaussionsys

3、temsisappliedindirectionfindingandpositioningofradiosignals．Throughmeasuringthecoordinatesofthevehicleandtheangleofarrival(AOA)ofsignal，thestateoftargetisestimated．Firstly，themathematicalmodelofAOApositioningisestablished。thenthepositioningalgorithmbasedonpa

4、rticlefilteringisderived，andthesimulationanalysisofthepositioningaccuracyisconductedunderMatlabplatformandthefeasibilityisverified．Keywords：SignalsourcepositioningParticlefilteringNonlinearAngleofarrival(AOA)MathematicalmodelO引言1粒子滤波算法无线电移动监测车是无线电监测测向的主要技粒子滤

5、波算法的基本思想是依据系统状态向量的术装备之一，它可以行驶到固定监测站到达不了的经验条件分布，在状态空间产生一组随机样本的集合，地区，对发射信号进行测量、测向、监听等工作⋯。这些样本称为粒子：然后根据量测不断调整粒子的权移动监测车由于受到周围建筑物等影响，接收到的重和位置，通过调整后的粒子信息修正最初的经验条信号通常会遇到折射和反射，在实际工作中定位结件分布。果往往误差较大，这就需要考虑引入估计方法定位假设离散非线性系统的状态方程和观测方程分别来降低误差。如下：就优化估计方法而言，著名的Kalman滤波是之前X

6、一1一1+∞(1)流行的适用方法，它是一种线性最小方差估计算法．适Z=hkx+It(2)用于线性和噪声为高斯的动态模型[2]。而最近流行式中：，∈R为k时刻的状态向量和过程噪声；的粒子滤波算法是适用于非线性、非高斯问题的预估一。：R×一尺为状态转移函数；z，∈R为观测向新方法，一经提出就被迅速应用到目标跟踪、导航、故量和观测噪声向量；：RxR一尺为测量函数。障检测等领域]，是解决非线性、非高斯状态估计问{：。)。、{。)N的均值和方差都是已知的，且题的最优滤波器。与‰是相互独立的。Xl：k和：㈨分别为k时刻状态

7、量和本文采用粒子滤波算法对无线电干扰源的测向定观测信息的集合[6]。位位置进行估计，通过与Kalman滤波仿真分析作对1．1贝叶斯估计比，验证了粒子滤波算法对无线电干扰源定位精度的贝叶斯估计就是从所得到的观测值．中推理出提高及其应用的可靠性。k时刻的状态值，先要求得后验概率密度函数P(I。．)，从而求得k时刻的状态估计，即：工信部合作资金资助项目(编号：12一MC—KY．14)。r修改稿收到日期：2013—11—21。=Jxkp(l1：)dx(3)第一作者江春冬(1974一)，女，2013年毕业于河北工业大学电

8、气工程专业，获博士学位，讲师；主要从事智能算法的研究。贝叶斯递推滤波一般有预测和更新两个过程。预18PROCESSAUTOMATONINSTRUMENTATIONVo1．35No．7July2014粒子滤波算法在信号源定位中的应用研究江春冬，等测是利用系统模型预测从一个测量时刻到下一个时刻效样本数：的后验概率密度函数，而更新是利用最新的测量值对No=1／∑()(10)这个后验概率密度进